Алгоритм визначення центроїдів масивів даних у парадигмі IoT

DOI №______

  • Гайдур Г. І. (H. I. Haidur) Державний університет телекомунікацій, м. Київ
  • Прилєпов Є. В. (Ye. V. Pryliepov) Державний університет телекомунікацій, м. Київ

Анотація

Розглянуто основні алгоритми кластеризації та підходи до розв’язання актуальних завдань кластерного аналізу. Докладно описано популярний алгоритм К-середніх і з’ясовано його переваги та недоліки. Запропоновано поліпшений алгоритм К-середніх і обґрунтовано його ефективність.

Ключові слова: алгоритм; аналіз; обробка; ідентифікація; центроїд; кластеризація.

Список використаної літератури
1. Gowda, K. C. Agglomerative clustering using the concept of mutual nearest neighborhood / K. C. Gowda, G. Krishna // Pattern Recognition.— 1977. — V. 10.— P. 105–112.
2. Jain, A. K. Artificial neural networks: A tutorial / A. K. Jain // IEEE Computer.— 1996.— V. 29.— P. 31–44.
3. Zahn, C. T. Graph-theoretical methods for detecting and describing gestalt clusters / C. T. Zahn // IEEE Trans. Comput.— 1971.— C-20.— P. 68–86.
4. Загоруйко, Н. Г. Прикладные методы анализа данных и знаний / Н. Г. Загоруйко.— М., 1999.
5. Котов, А. Кластеризація даних / А. Котов, Н. Красильников.— К., 2006.

Номер
Розділ
Статті